Vamos a crear un gráfico con rstats que recoja los resultados de La Liga equipo a equipo para poder estudiar rachas e “intuir” cómo puede ser la segunda vuelta. Además, este ejercicio es un buen uso del paquete worldfootballR y la función de ggplot2 geom_tile; además me va a servir para animarme esta segunda vuelta para que el Espanyol no sufra. La web que vamos a emplear para el trabajo es FBRef. Empezamos.

Librerías necesarias

library(worldfootballR)
library(tidyverse)
library(stringr)
library(rvest)
library(lubridate)

Extracción y preparación de datos

partidos <- fb_match_results(country = "ESP", gender = "M", season_end_year = 2023, tier = "1st")

partidos2 <- partidos %>% filter(Date <= today()) %>%
  mutate(gana = case_when(
    HomeGoals == AwayGoals ~ 'Empate',
    HomeGoals > AwayGoals ~ 'Local',
    HomeGoals < AwayGoals ~ 'Visitante',
    TRUE ~ 'Imposible'),
    Jornada = paste0('Jor.', sprintf("%02d", as.numeric(Wk))))

Podéis ver que la función de worldfootballR que se está usando es fb_match_results; creo que es la más rápida y cómoda, pero como estos datos están pensados para representar datos en una web, es necesario cocinar un poco y preparar un conjunto de datos por Equipo-Jornada-Resultado.

partidos2_local <- partidos2 %>% mutate(Equipo = Home,
                                        Resultado = case_when(
                                          gana == 'Empate' ~ 'Empate',
                                          gana == 'Local' ~ 'Gana',
                                          TRUE ~ 'Pierde' )) %>% select(Equipo, Jornada, Resultado)

partidos2_visitante <- partidos2 %>% mutate(Equipo = Away,
                                            Resultado = case_when(
                                              gana == 'Empate' ~ 'Empate',
                                              gana == 'Visitante' ~ 'Gana',
                                              TRUE ~ 'Pierde' )) %>% select(Equipo, Jornada, Resultado)

partidos3 <- rbind.data.frame(partidos2_local, partidos2_visitante) %>%
  arrange(Jornada)

Probablemente se pueda hacer mejor; más fácil no creo.

Gráfico final

En este caso es necesario establecer el orden en la liga para entender mejor el gráfico; por ello realizamos de nuevo una extracción sobre FBref para determinar la posición de cada equipo en La Liga.

ub <- "https://fbref.com/en/comps/12/La-Liga-Stats"
liga <- read_html(ub) %>%
  html_nodes("table") %>% .[[1]] %>% html_table(fill = TRUE) %>%
  select(Squad, Rk) %>% rename(Equipo = Squad)

partidos3 <- partidos3 %>% left_join(liga, by = "Equipo")

Ya están todos los elementos necesarios para realizar el gráfico con el que comienza esta entrada.

ggplot(partidos3, aes(x = Jornada, y = reorder(Equipo, -Rk), fill = Resultado)) +
  geom_tile(color = "white", alpha = 0.7, lwd = 1.25) +
  scale_fill_manual(values = c("orange", "#4DDB1C", "#F12F1C"),
                    name = "Resultado",
                    guide = guide_legend(reverse = TRUE)) +
  coord_fixed() +
  labs(title = "Racha La Liga 22/23",
       x = "Jornada", y = "Equipo")

Como comentaba al principio, es un buen ejemplo de uso de geom_tile para la creación de este tipo de gráficos. En cuanto a lo que se puede ver, ojo al Espanyol.